Die Indian Community School (ICS), eine stammesübergreifende Schule im Südosten von Wisconsin, hat ein Stufenmodell zur Förderung von KI-Kompetenzen in den unteren Jahrgangsstufen eingeführt. Es soll vermitteln, wie Systeme des maschinellen Lernens funktionieren, noch bevor Schülerinnen und Schüler direkten Zugriff auf KI-Plattformen erhalten. Ab der zweiten Klasse beschäftigen sich die Lernenden im Rahmen von Unplugged-Übungen im Klassenzimmer mit Mustererkennung, Trainingsdaten, algorithmischer Verzerrung (Algorithmic Bias) und Systemhalluzinationen. In einer grundlegenden Übung sortieren die Kinder reale Knöpfe nach Merkmalen wie Größe, Form und Farbe, um das manuelle Kennzeichnen von Daten (Data Labelling) nachzustellen. Dabei identifizieren sie uneindeutige Objekte, die veranschaulichen, wie inkonsistente Eingaben die Modellgenauigkeit beeinträchtigen.

Beim Wechsel in die Middle School erweitert sich der Lehrplan um Aspekte wie Datensouveränität, Nutzerdatenschutz sowie die materiellen und ökologischen Kosten des Betriebs von KI-Infrastrukturen. Ein kontrollierter Zugang zu generativen Tools beginnt erst ab der sechsten Klasse. Statt uneingeschränkter Benutzerkonten müssen die Lernenden eine konkrete pädagogische Begründung angeben – etwa Text-Feedback, Brainstorming, Recherche oder Bildgenerierung –, die von den Lehrkräften geprüft wird, bevor sie für diese spezifische Aufgabe einen temporären Zugriff gewähren.

Das Modell der ICS stellt eine Alternative zu den üblichen Reaktionen vieler Schulbezirke dar, die sich oft darauf beschränkten, Nutzungsrichtlinien zu formulieren oder kommerzielle Chatbots nachträglich zu sperren. Da das Programm über haptische Materialien zunächst ein Verständnis für Datenmechanismen, Kategorisierung und ethische Fragen aufbaut, behandelt es KI-Kompetenz als grundlegende informatische Disziplin und nicht als bloße Softwareschulung.

Für südafrikanische Schulen, die das Curriculum für Coding und Robotik des Department of Basic Education umsetzen, verdeutlicht dieser Ansatz, wie frühe Konzepte des maschinellen Lernens über Unplugged-Aktivitäten vermittelt werden können, ohne auf teure Hardware oder breitbandige Internetverbindungen angewiesen zu sein.